线性回归
回归的目的是预测数值型的目标值。直接的办法是依据输入写出一个目标值的计算公式。 这就是所谓的回归方程。回归有线性回归,也有非线性回归。
yi=xiT·w
求w的值使用平方误差
解得
即为“普通最小二乘法”。
用普通最小二乘法可能出现欠拟合的情况,故采用局部加权线性回归
常使用高斯和来赋予权重
如果参数过多,就无法使用线性回归,所以需要缩减。引入了岭回归
,岭回归就是在矩阵XTX上加一个λI从而使得矩阵非奇异,进而能对XTX + λI求逆。
Lasso
增加约束条件后
线性回归与岭回归相同
Lasso的约束条件比较复杂
故使用前向逐步回归
参考资料:《机器学习实战》